ANALISI DELL'IMPATTO DELLA DISSIMILARITÀ NELLA RACCOMANDAZIONE MEDIANTE METRICHE BASATE SU RATING

In this thesis work, a study is made of the importance and impact of dissimilarity combined with similarity in recommendation systems. In detail, similarity metrics based on numerical ratings are defined starting from Pearson's Correlation Coefficient, introducing asymmetric similarity and dissimilarity. Subsequently, recommendations are tested by using these new coefficients, and we understand how these derived parameters can give more importance to recommendations.

In questo lavoro di tesi viene fatto uno studio riguardo l’importanza e l’impatto della dissimilarità abbinata alla similarità nei sistemi di raccomandazione. Nel dettaglio vengono definite delle metriche di similarità basate su rating numerico partendo dal Coefficiente di correlazione di Pearson, introducendo la similarità asimmetrica e la dissimilarità. Successivamente vengono testate le raccomandazioni mediante l’utilizzo di questi nuovi coefficienti, andando a capire come questi parametri derivati possano dare più importanza alle raccomandazioni.